Overview

Ce livre offre une vue d'ensemble complète et accessible des tendances émergentes dans le domaine de l'apprentissage automatique, soulignant la transformation du domaine des approches traditionnelles axées sur les algorithmes vers une discipline plus large axée sur les systèmes. Il examine des paradigmes clés tels que l'apprentissage fédéré, l'intelligence artificielle explicable, les réseaux neuronaux graphiques, l'apprentissage auto-supervisé et par transfert, AutoML, TinyML, l'apprentissage automatique quantique, l'apprentissage par renforcement et l'apprentissage multimodal.Au-delà des fondements techniques, le livre intègre une analyse empirique de la recherche récente pour révéler comment l'intelligence artificielle moderne est de plus en plus façonnée par des préoccupations telles que la protection de la vie privée, l'interprétabilité, l'évolutivité, l'efficacité énergétique et la gouvernance. Il explore les applications du monde réel dans différents secteurs, notamment la santé, la finance, les transports et la cybersécurité, et aborde les implications éthiques et sociétales.En combinant des explications conceptuelles avec des idées issues de la recherche, ce livre offre une compréhension structurée des développements actuels et des orientations futures de l'apprentissage automatique, ce qui en fait une ressource précieuse pour les étudiants, les chercheurs et les praticiens qui naviguent dans le paysage évolutif de l'apprentissage automatique.

Full Product Details

9786209885792

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available